基于行人身体子区域颜色直方图的行人重识别预匹配方法组成比例

本发明专利技术公开了基于行人身体子区域颜色直方图的行人重识别预匹配方法，包括如下步骤：步骤1.1：给定待匹配图像P

Pre matching method of pedestrian recognition based on color histogram of pedestrian body sub region

The invention discloses a pedestrian recognition pre matching method based on the color histogram of the pedestrian body sub region, which comprises the following steps: step 1.1: given the image to be matched p

【技术实现步骤摘要】
基于行人身体子区域颜色直方图的行人重识别预匹配方法
本专利技术涉及到计算机视觉，图像处理等各个领域，具体为基于行人身体子区域HSV颜色直方图的行人重识别预匹配方法。
技术介绍
随着行人重识别技术的日益发展，识别的准确率和识别效率的提升，该技术已经越来越多的应用于智能安防领域，在公安，刑侦，公共安全等领域都发挥出了越来越重要的作用。不仅如此，行人重识别技术在无人超市，相册聚类等新兴领域也开始扮演重要角色。随着大数据时代的到来，行人重识别领域的行人匹配数据集也越来越庞大，数据量和数据类型都急剧上升，从早期1264张图像，632个行人仅包含两个摄像机的VIPeR数据集到如今，126441张图像，4101个行人，包含15个摄像机的MSMT17数据集，在数据变得越来越丰富多样的同时也给行人重识别的效率和准确率带来了极大的挑战。经过多年的发展与深度学习时代的来临，目前行人重识别技术主流以深度学习的方法为主，但通过深度学习来对行人进行匹配的方法效率值较为低下，且从数据集迁移角度看，经过数据集迁移之后行人重识别的匹配准确率就会大大降低，鲁棒性并不高。因此利用简单的计算机视觉与图像处理的方法来对行人重识别做预匹配具有实际意义以及较高的可行性。武汉大学，张华提出了一种基于空间颜色特征的行人重识别方法，将行人分为若干小块计算颜色描述符，并在计算每小块相似度时引入行人位置信息。山东大学，彭志勇利用环形Gabor滤波器组生成多尺度图像，再利用改进的FAST算法和BRIEF算法对多尺度图像进行特征点提取与描述，最后利用暴力算法和随机抽样一致性算法进行特征点匹配和提纯，以此来进行行人的重识别。华南理工大学，邱宇提出了一种将度量学习和稀疏表示方法相结合的特征距离排序方式来进行行人重识别，根据马氏距离中度量矩阵的半正定性质对提取的行人图像特征进行转换得到新的特征，并将其融入稀疏模型中评估测试样本和字典之间的相似性，利用迭代稀疏系数重加权的方式对数据集中具有非零稀疏系数的个体根据标准重构误差进行排序。华东师范大学，刘娜提出了一种改进的Siamese结构的基于深度卷积神经网络的行人重识别模型。训练时结合了分类和相似性度量，从而增大类间距离，缩小类内距离，提取出行人的有效特征，然后再进一步用度量学习算法进行相似度度量。南京邮电大学，唐松提出了一种基于显著特征的行人重识别方法，利用超像素构造特征空间，利用基于元胞自动机的方法计算行人图像的内在显著特征并利用一种学习排序方法衡量各图像之间的相似性。上述文献和方法中虽然都提到了利用计算机视觉等方法对行人图像进行匹配，但仍存在以下不足：1)没有提到行人预识别，通过查找大量的行人数据并做匹配是效率非常低下，时间复杂度过高；2)识别准确率并不高，不采用预识别过滤掉大部分图像而直接进行匹配会在匹配结果中混入一些能够简单过滤的图像，降低了行人重识别的准确率；因此如何能够用简单有效的方法进行行人预识别，在行人查找库中过滤无用图像，提高行人重识别的效率以准确率是做好行人重识别研究的关键。
技术实现思路
为克服上述算法和方法存在的不足，提高行人重识别的效率以及准确率，本专利技术提出了一种基于行人身体子区域颜色直方图的行人重识别预匹配方法。本专利技术的技术方案如下：一种基于行人身体子区域颜色直方图的行人重识别预匹配方法，包括如下步骤：步骤1.1：给定待匹配图像Pd，以及查找集中的任意一张图像Pc；步骤1.2：通过Openpose算法得到图像Pd和Pc中的行人骨架；步骤1.3：根据骨架将图像Pd中的行人分为左右躯干以及上下腿部这四部分，分别记为记为Pdl、Pdr、Pdu和Pdd；步骤1.4：根据骨架将图像Pc中的行人分为左右躯干以及上下腿部这四部分，分别记为记为Pcl、Pcr、Pcu和Pcd；步骤2.1：分别计算子图像Pdl、Pdr、Pdu和Pdd的HSV颜色直方图，得到图像Pd的直方图特征描述集合Td＝{(Hdl,Hdr,Hdu,Hdd)(hdl,hdr,hdu,hdd),(sdl,sdr,sdu,sdd),(vdl,vdr,vdu,vdd)}，其中Hdl、Hdr、Hdu和Hdd分别表示子图像Pdl、Pdr、Pdu和Pdd的HSV颜色直方图，hdl、hdr、hdu和hdd分别表示子图像Pdl、Pdr、Pdu和Pdd在H分量的直方图，sdl、sdr、sdu和sdd分别表示子图像Pdl、Pdr、Pdu和Pdd在S分量的直方图，vdl、vdr、vdu和vdd分别表示子图像Pdl、Pdr、Pdu和Pdd在V分量的直方图；步骤2.2：分别计算子图像Pcl、Pcr、Pcu和Pcd的HSV颜色直方图，得到图像Pc的直方图特征描述集合Tc＝{(Hcl,Hcr,Hcu,Hcd)(hcl,hcr,hcu,hcd),(scl,scr,scu,scd),(vcl,vcr,vcu,vcd)}，其中Hcl、Hcr、Hcu和Hcd分别表示子图像Pcl、Pcr、Pcu和Pcd的HSV颜色直方图，hcl、hcr、hcu和hcd分别表示子图像Pcl、Pcr、Pcu和Pcd在H分量的直方图，scl、scr、scu和scd分别表示子图像Pcl、Pcr、Pcu和Pcd在S分量的直方图，vcl、vcr、vcu和vcd分别表示子图像Pcl、Pcr、Pcu和Pcd在V分量的直方图；步骤3.1：分别根据式(2)-(4)计算子图像Pdl与Pcl、子图像Pdr与Pcr、子图像Pdu与Pcu的相似度，并分别记为dl(Hdl,Hcl)，dr(Hdr,Hcr)，du(Hdu,Hcu)；dl(Hdl,Hcl)＝α*d(hdl,hcl)+β*d(sdl,scl)+γ*d(vdl,vcl)(2)dr(Hdr,Hcr)＝α*d(hdr,hcr)+β*d(sdr,scr)+γ*d(vdr,vcr)(3)du(Hdu,Hcu)＝α*d(hdu,hcu)+β*d(sdu,scu)+γ*d(vdu,vcu)(4)其中，α，β，γ分别为H，S，V的权重值，式(2)-(4)中右边部分用到的形式为d(H1,H2)的式子表示一个函数，该函数采用巴氏距离方法计算直方图H1和H2的距离；步骤3.2：按照如下公式计算图像Pd与图像Pc距离D(Pd,Pc)：D(Pd,Pc)＝λdl(Hdl,Hcl)+μdr(Hdr,Hcr)+δdu(Hdu,Hcu)+θdd(Hdd,Hcd)(5)其中λ，μ，δ和θ为设定的相似度权重值；步骤4.1：给定阈值T，若D(Pd,Pc)＜T，认定图像为相似，图像Pc加入相似文件夹中，若D(Pd,Pc)≥T，舍弃图像Pc；步骤4.2：再从图库中随机抽取一张图像记为Pc，重复步骤1.2，步骤1.4，步骤2.2，步骤3.1，步骤3.2，步骤4.1，步骤4.2。本专利技术的优点是：利用计算机视觉以及图像过处理领域简单有效的方法在行人重识别之前做了行人预识别的工作，首先利用行人骨架数据可以划分得到行人各个子区域，然后运用HSV颜色直方图本文档来自技高网...

【技术保护点】
1.基于行人身体子区域颜色直方图的行人重识别预匹配方法，其特征在于，包括如下步骤：/n步骤1.1：给定待匹配图像P

【技术特征摘要】
1.基于行人身体子区域颜色直方图的行人重识别预匹配方法，其特征在于，包括如下步骤：
步骤1.1：给定待匹配图像Pd，以及查找集中的任意一张图像Pc；
步骤1.2：通过Openpose算法得到图像Pd和Pc中的行人骨架；
步骤1.3：根据骨架将图像Pd中的行人分为左右躯干以及上下腿部这四部分，分别记为记为Pdl、Pdr、Pdu和Pdd；
步骤1.4：根据骨架将图像Pc中的行人分为左右躯干以及上下腿部这四部分，分别记为记为Pcl、Pcr、Pcu和Pcd；
步骤2.1：分别计算子图像Pdl、Pdr、Pdu和Pdd的HSV颜色直方图，得到图像Pd的直方图特征描述集合Td＝{(Hdl,Hdr,Hdu,Hdd)|(hdl,hdr,hdu,hdd),(sdl,sdr,sdu,sdd),(vdl,vdr,vdu,vdd)}，其中Hdl、Hdr、Hdu和Hdd分别表示子图像Pdl、Pdr、Pdu和Pdd的HSV颜色直方图，hdl、hdr、hdu和hdd分别表示子图像Pdl、Pdr、Pdu和Pdd在H分量的直方图，sdl、sdr、sdu和sdd分别表示子图像Pdl、Pdr、Pdu和Pdd在S分量的直方图，vdl、vdr、vdu和vdd分别表示子图像Pdl、Pdr、Pdu和Pdd在V分量的直方图；
步骤2.2：分别计算子图像Pcl、Pcr、Pcu和Pcd的HSV颜色直方图，得到图像Pc的直方图特征描述集合Tc＝{(Hcl,Hcr,Hcu,Hcd)|(hcl,hcr,hcu,hcd),(scl,scr,scu,scd),(vcl,vcr,vcu,vcd)}，其中Hcl、Hcr、Hcu和Hcd分别表示子图像Pcl、Pcr、Pcu和Pcd的HSV颜色直方图，hcl、hcr、hcu...

【专利技术属性】
技术研发人员：高飞，金一鸣，卢书芳，张元鸣，程振波，肖刚，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33